Geoinformatyka
Interpretacja danych obrazowych
@
Dane obrazowe
to dane rastrowe przedstawiające
obraz
wartości liczbowe zapisane
w pikselach odpowiadają fizycznym
własnościom powierzchni
obrazowanej
ale typ (charakter) tej powierzchni /
rodzaj obiektu nie jest jednoznacznie
zapisany w pliku
@
Literatura do tej części wykładu
" Ciołkosz A., Miszalski J., Olędzki J.,
Interpretacja zdjęć lotniczych, PWN
Warszawa
" rozdz. 3, s. 51-65; s. 80-97
" rozdz. 5, s. 137-154
@
Zasady interpretacji
od ogółu do szczegółu
�� odczytanie zdjęcia
�� rozpoznanie
�� identyfikacja
od obiektów znanych do nie znanych
wykorzystywanie cech fotointerpretacyjnych
oraz kolejności tematycznej
@
Interpretacja zdjęć: cechy
cechy bezpośrednie: geometryczna,
stereometryczna, strukturalna,
optyczna charakterystyka obiektów
cechy pośrednie: ilościowe,
przestrzenne, funkcjonalne,
przyczynowe zależności pomiędzy
obiektami
cechy kompleksowe: naturalne
kombinacje c.b. i c.p
@
Przykłady interpretacji zdjęć
lotniczych
" http://atlas.mggpaero.com
@
Cechy bezpośrednie
1. kształt
2. wielkość
3. barwa (jasność)
4. struktura
5. tekstura
@
Cechy pośrednie
1. cień
" własny
" rzucany
2. przesunięcie radialne
3. rozmieszczenie względem innych obiektów
i wzajemne powiązania z innymi obiektami
(kontekst)
@
Interpretacja automatyczna
obraz traktowany jest jako
numeryczny zapis wartości odbić
��model rastrowy
��określona liczba poziomów (np. 0-255)
nadanie znaczenia rejestrowanym
wartościom
może dotyczyć zdjęć satelitarnych
i lotniczych
@
Wstępna obróbka zdjęć
(pre-processing)
korekcja geometryczna (lot/sat)
��nadanie cech mapy i usunięcie
zniekształceń geometrycznych
��ortorektyfikacja => ortofotomapa
korekcja radiometryczna (sat)
��usunięcie błędów urządzeń
rejestrujących promieniowanie
��eliminacja zakłóceń atmosferycznych
korekcja topograficzna (sat)
@
Histogram
Histogram to wykres przedstawiający częstość pikseli
o danej wartości DN
Oś odciętych  wartości DN (np. 0-255 lub 0-3 jak
na rycinie)
Oś rzędnych  częstość (ile pikseli ma daną wartość)
@
Przetwarzanie obrazów
satelitarnych (lotniczych)
ilościowe
��transformacje spektralne
jakościowe
��klasyfikacja
przetwarzanie służy interpretacji
Transformacje spektralne:
wskaz
niki roślinności
operacje arytmetyczne na co najmniej
dwóch kanałach zdjęcia
��najczęściej: NIR i R
dzielenie, odejmowanie
lub ich kombinacje
cel: uwypuklenie obszarów pokrytych
roślinnością
@
NDVI: Normalized Difference
Vegetation Index
(NIR  R) / (NIR + R)
��NIR (Landsat: kanał 4)
��R (Landsat: kanał 3)
wartości [-1, 1]
��im większe jest pokrycie obszaru przez
roślinność tym wyższa wartość NDVI
częściowa eliminacja wpływu
atmosfery i ukształtowania
powierzchni
NDVI
z
ródło: http://earthobservatory.nasa.gov/
@
Klasyfikacja
klasyfikacja to każdy rozłączny
i wyczerpujący podział zbioru
dane obrazowe: zbiór to populacja pikseli
o pewnych wartościach DN
w procedurze klasyfikacji następuje zmiana
skali pomiaru
�� z ilościowej na jakościową (nominalną)
po klasyfikacji piksele zaliczane są do grup
identyfikowanych nazwą (zrozumiałą)
@
Podział histogramu (np. jasne / ciemne,
czyli duże / małe wartości) to prosta forma
klasyfikacji (automatycznej)
@
Przestrzeń cech (feature space)
histogram
2-wymiarowy
Przestrzeń cech to n-wymiarowa przestrzeń zdefiniowana
przez zakresy spektralne obrazu (kanały)
Landsat TM
kanał 3
kanał 4
Klasyfikacja automatyczna
podział przestrzeni cech według
ściśle określonych reguł
przekłada się na obraz przestrzenny
(mapę)
Klasyfikacja
Landsat TM Klasyfikacja
@
Rodzaje klasyfikacji
bezwzorcowa/nienadzorowana
(unsupervised classification)
��podział przestrzeni cech jest w pełni
automatyczny
wzorcowa/nadzorowana
(supervised classification)
��podział przestrzeni cech następuje za
pomocą wzorców wyznaczonych przez
użytkownika
@
Klasyfikacja wzorcowa
wybór wzorców
��np. pola treningowe
utworzenie sygnatur
(charakterystyka spektralna wzorca)
wybór reguły (klasyfikatora)
ocena dokładności
@
Reguły klasyfikacji
(klasyfikatory)
minimalna odległość (minimum
distance classification)
maksymalne podobieństwo
(prawdopodobieństwo) (maximum
likelihood classification)
wiele innych
Reguła
minimalnej
odległości
@
Ocena dokładności
klasyfikacji
sprawdzenie, jak jest proporcja
poprawnie zaklasyfikowanych pikseli
macierz błędów
��dokładność całkowita (%)
��współczynnik Kappa
dane referencyjne (ground truth)
27